Pensa all'ultima volta che hai incontrato un termine sconosciuto in un libro: il nostro cervello non parte da zero, ma cerca le conoscenze già disponibili nei propri archivi e le usa come guida per costruire un nuovo significato. Ma come funziona esattamente questo processo?

Un gruppo di ricercatori dell’Università di Pechino, in uno studio pubblicato su Nature Communications, ha indagato i meccanismi neurali alla base dell'apprendimento di nuovi concetti lessicali.

Non è una novità che il cervello utilizzi conoscenze pregresse per imparare nuovi termini: il punto interessante è capire dove e come vengano utilizzate. Dallo studio è emerso che, quando gli oggetti sono familiari, è la corteccia visiva a fornire la "mappa" che guida l'apprendimento. Quando invece ci troviamo di fronte a forme o oggetti sconosciuti, è l'ippocampo ad avere un ruolo prevalente.

Per dimostrarlo, i partecipanti allo studio sono stati sottoposti a due esperimenti in risonanza magnetica funzionale (fMRI), una tecnica che permette di osservare in tempo reale quali aree cerebrali si attivano durante un compito. Nel primo, venivano mostrate immagini familiari di animali, volti, manufatti, per misurare come il cervello rappresenta gli oggetti che già conosce. Nel secondo, i partecipanti imparavano parole inventate come "Leca" — associate ad alcuni oggetti come un cucchiaio o un martello — per poi decidere se altre cose mai viste prima potessero appartenere allo stesso concetto. I ricercatori hanno poi sviluppato un modello matematico — il Neural Bayesian Model (NBM) — con un duplice obiettivo. Non solo predire come generalizziamo il significato di parole nuove, ma anche capire se l’NBM riuscisse a farlo meglio rispetto ad altri sistemi.

Ma di preciso cosa hanno mostrato i dati di fMRI? Quando la parola nuova è associata a oggetti familiari, a guidare l'apprendimento è la corteccia occipito-temporale ventrale. Questa regione contiene rappresentazioni degli oggetti che conosciamo, organizzate in categorie. Sono proprio queste conoscenze pregresse — dette "priori" — che ci permettono di generalizzare in modo rapido ed efficiente.

L'ippocampo, invece, entra in gioco soprattutto quando mancano questi riferimenti: ad esempio, quando si imparano parole associate a forme geometriche del tutto nuove. In quel caso, l'apprendimento è meno guidato da categorie già disponibili e assomiglia di più alla creazione di nuove associazioni. Questo studio propone dunque una distinzione interessante tra due strategie: da un lato un apprendimento per inferenza — cioè la capacità di trarre conclusioni nuove a partire da ciò che si sa — sostenuto da rappresentazioni corticali preesistenti, dall'altro un apprendimento più associativo, in cui è l'ippocampo a giocare un ruolo decisivo.

E l'intelligenza artificiale riesce a fare lo stesso? Per rispondere, i ricercatori hanno messo alla prova i cosiddetti Large Language Models (LLM) sottoponendoli allo stesso compito di generalizzazione. I risultati suggeriscono che gli LLM riproducono solo in parte la capacità umana di applicare un concetto nuovo a situazioni mai incontrate prima, a dimostrazione che il modo in cui il cervello integra conoscenze visive e semantiche rimane ancora difficile da replicare. 

Che impatto può avere sull’apprendimento? Questa ricerca offre uno spunto importante per i docenti: quando un concetto nuovo può essere collegato a qualcosa di già noto, il cervello lo integra più facilmente. Non si tratta solo di richiamare conoscenze pregresse, ma di aiutare gli studenti a collegare ciò che sanno a ciò che devono ancora imparare, in qualsiasi disciplina.

Questo tema ti ha incuriosito? Trovi altri approfondimenti sulle basi biologiche del linguaggio nel webinar "Le lingue impossibili: il cervello, le macchine e il dono dei limiti" di Andrea Moro, professore ordinario di Linguistica generale presso la Scuola Superiore Universitaria IUSS di Pavia e la Scuola Normale di Pisa. 

Capire come il cervello impara nuove parole è una sfida che può aiutarci a costruire percorsi educativi più efficaci e consapevoli.